Le vrai coût de l’IA n’est pas le token

Le prix des tokens baisse, mais la facture IA peut monter. Pour le CFO, le bon indicateur est le coût par résultat d’affaires réellement complété.

Votre fournisseur d’IA réduit le prix de ses modèles de 40 %. Bonne nouvelle.

Votre processus IA coûtera-t-il maintenant 40 % moins cher?

Probablement pas.

C’est là que la gestion financière de l’IA commence à devenir intéressante. Le token est facile à compter. Il apparaît sur les factures, se compare d’un modèle à l’autre et donne l’impression d’avoir trouvé une unité de coût universelle.

Mais une entreprise n’achète pas des tokens pour le plaisir d’en consommer. Elle cherche à résoudre une demande client, traiter une facture, qualifier une opportunité, produire un rapport ou faire avancer un dossier.

> À retenir en 30 secondes
> Le token mesure une consommation technique, pas la valeur produite. Pour piloter réellement les coûts IA, le CFO doit progressivement passer du coût par token au coût par résultat complété, en incluant les modèles, les outils, les intégrations, les reprises, les exceptions et l’intervention humaine.

Le prix baisse. La facture peut quand même monter.

Le AI Index 2025 de Stanford mesurait qu’entre novembre 2022 et octobre 2024, le coût d’inférence nécessaire pour atteindre un niveau de performance comparable à GPT-3.5 sur MMLU était passé d’environ 20 $ US à 0,07 $ US par million de tokens. Une baisse de plus de 280 fois.

Pendant ce temps, l’usage explose.

Le State of FinOps 2026 rapporte que 98 % des répondants gèrent maintenant des dépenses liées à l’IA, contre 31 % deux ans auparavant. La gestion des coûts IA est également devenue la compétence que ces équipes disent devoir développer en priorité.

Ce n’est pas une contradiction.

Quand quelque chose devient moins cher à utiliser, on trouve souvent davantage de façons de l’utiliser.

Le problème commence lorsque la baisse du prix unitaire est confondue avec une baisse du coût total.

Un résultat IA peut cacher beaucoup de consommation

Prenons un exemple simple : analyser une demande de service.

À première vue, on pourrait mesurer le coût du modèle qui lit le courriel et produit une réponse.

Mais le processus réel peut aussi devoir :

  • retrouver le dossier client;
  • consulter un CRM ou un ERP;
  • récupérer des documents;
  • appeler un deuxième modèle pour une tâche spécialisée;
  • vérifier le résultat;
  • mettre à jour un système;
  • reprendre une étape qui a échoué;
  • envoyer une exception à un humain.

La FinOps Foundation souligne justement qu’un seul workflow agentique peut multiplier la consommation par les contextes, les appels d’outils, les modèles de raisonnement et les reprises. Elle insiste aussi sur le fait que les tokens ne représentent qu’une partie de la pile de coûts.

> Le point de gestion
> Le coût du modèle n’est que le début. La bonne unité économique se trouve à la fin du processus : combien a coûté le résultat réellement complété?

Le coût le plus discret est souvent celui des exceptions

Supposons qu’un agent traite automatiquement 900 dossiers sur 1 000.

Un taux de réussite de 90 % semble excellent.

Mais que se passe-t-il avec les 100 autres?

Si chaque exception exige quinze minutes d’intervention humaine, une correction dans deux systèmes et parfois une reprise complète, ces dossiers peuvent représenter une part disproportionnée du coût total.

C’est ici qu’un simple « coût moyen par appel » devient trompeur.

Un workflow n’est pas économique parce que ses 900 réussites sont peu coûteuses. Il est économique lorsque l’ensemble de ses réussites, échecs, reprises et exceptions produit un résultat à un coût acceptable.

Passez du token à l’unité économique

Le changement de perspective est simple :

Coût total du workflow IA ÷ nombre de résultats complétés avec succès = coût par résultat

Le résultat dépend du métier.

Il peut s’agir d’une facture traitée, d’une demande résolue, d’un dossier rapproché, d’une opportunité qualifiée ou d’un rapport terminé et validé.

Cette métrique ne remplace pas le suivi des tokens. Elle lui donne un sens.

| Ce que l’on mesure facilement | Ce que le CFO devrait aussi mesurer |
|---|---|
| Tokens consommés | Coût par résultat réussi |
| Coût du modèle | Coût total du workflow |
| Nombre d’appels | Nombre de résultats complétés |
| Budget consommé | Valeur ou capacité créée |
| Utilisation | Taux d’exception |
| Coût moyen | Coût des échecs et reprises |

C’est la différence entre mesurer le compteur et mesurer ce que la machine produit.

Personne ne jugerait une usine uniquement sur le prix de son kilowattheure. L’IA mérite le même niveau de maturité économique.

Un budget IA ne peut pas être seulement une enveloppe

La difficulté augmente lorsque l’usage agentique se diffuse dans plusieurs départements.

Finance voit alors une dépense globale, mais ne sait pas toujours quel processus l’a créée, quelle part était utile ni quelle part provenait de reprises, d’un mauvais choix de modèle ou d’une utilisation excessive.

Dans une analyse publiée en août 2026, la FinOps Foundation souligne précisément cette limite : le budget ne peut être fixé uniquement par Finance à partir de la dépense brute, parce que celle-ci peut inclure des inefficacités invisibles et ne dit pas quelles couches sont récupérables.

Autrement dit, un budget n’est pas encore un contrôle.

Pour contrôler, il faut pouvoir attribuer.

Les cinq questions que le CFO devrait poser

Vous n’avez pas besoin de devenir spécialiste en modèles ou en architecture.

Commencez plutôt par cinq questions :

  1. Quel résultat d’affaires ce système est-il censé produire?
  2. Combien nous coûte en moyenne un résultat complété avec succès?
  3. Quel pourcentage des exécutions nécessite une intervention humaine?
  4. Quelles exceptions ou reprises génèrent le plus de coûts?
  5. La hausse de consommation produit-elle réellement plus de valeur, de capacité ou de revenus?

Si l’équipe peut répondre à la première question mais pas aux quatre suivantes, le problème n’est probablement pas le prix du token.

C’est le modèle de mesure.

Ce que vous pouvez faire lundi matin

Choisissez un seul cas d’usage IA déjà en production.

Prenez sa dépense du dernier mois.

Puis divisez-la non pas par le nombre d’utilisateurs, de requêtes ou de tokens, mais par le nombre de résultats réellement complétés.

Ajoutez ensuite le temps humain consacré aux exceptions.

> Exercice de 30 minutes
> Comparez votre coût par résultat sur trois mois. S’il augmente, demandez pourquoi : davantage de valeur produite, un modèle plus coûteux, plus de reprises, plus d’exceptions ou simplement plus de consommation?

Vous commencerez alors à voir l’IA comme le CFO doit la voir :

non pas comme une facture technologique,

mais comme une nouvelle unité économique à piloter.

Sources